發(fā)布時間：2022-01-12 02:53

　　人臉識別技術(shù)經(jīng)過多年的發(fā)展,在復(fù)雜環(huán)境下的研究已經(jīng)取得了一些進(jìn)展。當(dāng)環(huán)境影響因素較多,人臉識別算法的性能往往受到很嚴(yán)重的威脅。這些影響因素一般包括光照、姿態(tài)、遮擋、表情等,它們往往制約著人臉識別算法的效果與應(yīng)用。為了解決仍然存在復(fù)雜環(huán)境下人臉識別率下降的問題,本文首先提出了一種基于增強(qiáng)的中心對稱二值模式（ECS-LBP）描述子,該描述子針對嚴(yán)重光照情況具有較好的效果,通過實驗驗證了該描述子的效果。其次,在光照曝光過度的環(huán)境下,發(fā)現(xiàn)了該描述子的劣勢,針對這一情況,本文通過信息補(bǔ)充來彌補(bǔ)描述子的不足,同時為了克服遮擋、表情所引起的人臉識別率下降問題,提出了基于雙特征的稀疏表示人臉識別算法。本文將LC-KSVD算法改進(jìn)為在決策層對特征分類原理進(jìn)行融合處理,進(jìn)而得到最終結(jié)果。最后,本文算法通過在Extended Yale B、CUM PIE、AR人臉庫中進(jìn)行驗證,結(jié)果表明本文算法在復(fù)雜環(huán)境下的人臉識別率較高,魯棒性較好。針對復(fù)雜環(huán)境下人臉識別易受光照、遮擋等因素的影響,本文提出一種有效可行的思路:1)提出了一種增強(qiáng)的中心對稱二值模式特征描述子。該描述子對圖像紋理特性進(jìn)行編碼,以降低嚴(yán)重光照的影... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

現(xiàn)今刷臉技術(shù)問題

因此,本文旨在研究光照變化和部分遮擋對人臉識別的影響,特別是對于單樣本的個體識別方面。首先,為了抑制由光照變化引起的影響,同時能夠得到魯棒性的深層特征,將基于小波的原理應(yīng)用于特征描述子編碼中,提出了一種改進(jìn)的特征描述子。然后提出了雙特征稀疏表示模型,充分利用了雙特征判別信息。如圖1-4所示,基于雙特征稀疏表示算法的流程圖。本篇文章的結(jié)構(gòu)安排如下:

本課題研究光照變化程度對人臉識別的影響,測試改進(jìn)算法性能,所以在實驗中選用了正面姿態(tài)不同光照影響的人臉圖像。圖2-1為Extended Yale B人臉庫中同一人的多種光照示例圖。2.2.2 CMU PIE人臉庫

【參考文獻(xiàn)】：
期刊論文
[1]基于判別字典學(xué)習(xí)的線性子空間人臉識別算法[J]. 任克強(qiáng),張靜然.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2019(09)
[2]基于改進(jìn)的直方圖均衡化與邊緣保持平滑濾波的紅外圖像增強(qiáng)算法[J]. 李賢陽,陽建中,楊竣輝,陸安山.  計算機(jī)應(yīng)用與軟件. 2019(03)
[3]結(jié)合曲面局部紋理特征的3維人臉識別[J]. 雷超,張海燕,詹曙.  中國圖象圖形學(xué)報. 2019(02)
[4]基于非線性調(diào)整的伽馬校正圖像增強(qiáng)算法[J]. 朱錚濤,蕭達(dá)安.  計算機(jī)工程與設(shè)計. 2018(09)
[5]結(jié)合分塊LBP與投影字典對學(xué)習(xí)的表情識別[J]. 張哲源,張靈,陳云華.  計算機(jī)工程與應(yīng)用. 2019(12)
[6]基于稀疏表示與特征融合的人臉識別方法[J]. 木立生,呂迎春.  現(xiàn)代電子技術(shù). 2018(09)
[7]局部聯(lián)合結(jié)構(gòu)化稀疏表示的單樣本人臉識別[J]. 王念兵,吳秦,許潔,張淮.  計算機(jī)工程與應(yīng)用. 2018(01)
[8]人臉識別中基于系數(shù)相似性的字典學(xué)習(xí)算法[J]. 施靜蘭,常侃,張智勇,覃團(tuán)發(fā).  計算機(jī)科學(xué). 2016(06)
[9]光照變化條件下人臉識別方法研究[J]. 孔銳,張冰.  系統(tǒng)仿真學(xué)報. 2016(03)
[10]基于稀疏表示與小波特征的人臉識別分層框架[J]. 翟素蘭,曹慶,謝文浩.  計算機(jī)工程與應(yīng)用. 2016(14)

博士論文
[1]人臉識別中若干特征優(yōu)化方法研究[D]. 畢超.東北師范大學(xué) 2017

碩士論文
[1]基于稀疏表示與低秩恢復(fù)的遮擋人臉識別方法研究[D]. 胡靜.重慶郵電大學(xué) 2019
[2]基于改進(jìn)SIFT算法的人臉識別技術(shù)研究[D]. 文章.貴州大學(xué) 2019
[3]基于稀疏表示的人臉特征提取與識別算法研究[D]. 王永欣.山東師范大學(xué) 2017
[4]基于LDA和CRC的單樣本人臉識別算法研究[D]. 阿鵬仁.西安電子科技大學(xué) 2017
[5]人臉識別中面部特征提取與匹配算法研究[D]. 劉逸飛.哈爾濱工業(yè)大學(xué) 2017
[6]基于稀疏表示的人臉識別模型的研究[D]. 洪佩珊.湖南大學(xué) 2017
[7]基于稀疏表示的人臉識別算法研究[D]. 劉峰.中國礦業(yè)大學(xué) 2017



本文編號：3583961